Spatiotemporal dynamics and the contributing factors of residential vacancy at a fine scale: A perspective from municipal water consumption

基于市政水耗的精细尺度住宅空置时空动态与驱动因子

【成果信息】

Yongting Pan, Wen Zeng, Qingfeng Guan^*, Yao Yao, Xun Liang, Hanqiu Yue, Yaqian Zhai, Junyi Wang. 2020. Spatiotemporal dynamics and the contributing factors of residential vacancy at a fine scale: A perspective from municipal water consumption. Cities. DOI:10.1016/j.cities.2020.102745.

论文链接：https://doi.org/10.1016/j.cities.2020.102745

【资助信息】

本课题由国家自然科学基金（41671408, 41801306, 41901332），湖北省自然科学基金（2017CFA041）以及武汉市应用基础前沿专项（20180104011293）资助。

【团队成员】

成果第一单位为154.com皇冠，成员包括曾文、关庆锋教授，姚尧副教授，博士后梁迅，博士研究生潘永婷、岳汉秋和翟雅倩，硕士研究生王君毅。

第一作者潘永婷，博士研究生，154.com皇冠，主要从事时空大数据挖掘、城市计算等方面的研究。

通讯作者关庆锋，博士，154.com皇冠，教授，博士生导师。主要从事高性能空间计算、空间计算智能、时空大数据挖掘与模拟等方面的研究。联系邮箱：guanqf@cug.edu.cn。

【成果介绍】

研究背景：近数十年中国城市化空前发展，城市空置住宅急剧增加。无数且具危害性的空置住宅已受到批判。学者们尝试采用夜光影像、基于位置的服务数据自下而上洞察城市空置住宅。由于数据局限性，两个问题仍未得到充分研究：难以描述精细尺度的空置住宅时空动态；罕见剖析住宅空置影响因素。鉴于此，引入市政水耗，本研究提出可行且通用的住宅空置分析框架，旨在详细描绘城市中空置住宅并且解释缓解住宅空置的规划政策。

研究区域和数据：本文以中国江苏省常熟市为研究区，收集了2004-2013年的市政水耗，该数据已经过脱敏处理。

研究方法：本研究构建住宅空置分析框架（如图1所示），主要包括：（1）描绘空置住宅的时空动态。本研究提出住宅空置识别方法鉴别空置住宅，并采用时空分布分析方法描绘空置住宅的时空特征。（2）探究住宅空置及其服务因子之间的关系。本研究针对每个住宅提取了表征住宅环境中设施与服务各种特征的多粒度服务因子，并基于随机森林探究其与住宅空置间的关系。

研究结果：（1）常熟市住宅呈现同心环结构（图2）：衰退的内城—繁荣的中心城区—近郊区—远郊区，空置住宅密集程度呈现中心—外围的地域空间二元结构（图3）。（2）住宅空置及其服务因子之间的关系分析精度评估结果：袋外误差、均方误差和中位数绝对误差分别为0.086、0.125和0.242；约70%住宅的空置长度模型预测值和真实值相差少于2个月。（3）设施与服务的多样性对于住宅空置最为重要，且百分比和多样性的贡献具有尺度（邻域大小）依赖性；企业、工业、生活服务/政府和公共服务是最重要的三个设施与服务，而最不重要的两个设施与服务为旅游胜地、汽车服务。

讨论：作为一个精细尺度空置住宅感知的研究，本文主要贡献在于：（1）聚焦城市中空置住宅的空间扩张和内部转换，关注缓解住宅空置的因素，而不是估算整个城市的空置程度或面积。（2）提出可行且普适性强的空置住宅分析框架。（3）捕捉住宅问题区域（如衰退的内城），通过优化设施与服务布局为当地决策者提供缓解住宅空置建议（如提高小尺度住宅邻域内施舍与服务的多样性），助力城市管理和规划的政策制定。未来研究主要考虑：（1）集成多源市政基础设施和服务数据，尤其对于农村地区或郊区；（2）量化其他住宅空置影响因素，比如物理环境特征、社会环境背景等。

图1 住宅空置分析框架

图2 常熟市2004、2008、2012年住宅的冷热点分布

图3 常熟市2004-2013年空置住宅核密度分布